jevbooks

← 全部项目

notra

usenotra/notra · 项目主页

追踪品牌在 AI 回答中的曝光并起草内容。

分类与路由100%次选分类: 校验与安全门

这是什么

Notra 是一个生成引擎优化(GEO)平台:跨 AI 引擎运行买家的提问,追踪提及、引用和竞争对手,并把内容缺口转化为可发布的草稿。

它怎么用 Jev

README 未说明 Jev 的使用方式;仅摘要提到 `NOTRA_JEV_CLASSIFIERS` 开关将品牌可见性分类器从 LLM 切换到 Jev `Boolean` 决策,阈值为 0.5,目标 p50 为 300 ms。

用到的原语:choice

值得抄的做法

通过开关把品牌可见性分类从 LLM 换成快速的类型化分类器。

怎么试

Bun monorepo:`bun install`、配置 `.env`,然后 `bun run dev --filter=dashboard`。

去 GitHub 看

Jev 判的jev-1.13.0

证据

每一行都是就 README 问 Jev 的一道题。≥ 0.60 算「是」,≤ 0.40 算「否」,中间这一段 Jev 不下判断。

  • Jev 是主角0.09
  • 有 System One 用法未判定0.55
  • 处理了不确定性0.65
  • 有实测数据未判定0.46
  • 可直接跑未判定0.53
  • 值得推荐0.22
  • 是模型的复刻0.11
  • 问题普遍性按 0–2 打分1.10
  • 与 Jev 相关0.77

信号由 Jev jev-1.13.0 判定,简介由 DeepSeek V4.1 Flash 于 2026年9月20日 读 README 写成。